TextAttack 模型卡片

这个 bert-base-uncased 模型通过 TextAttack 和 yelp_polarity 数据集进行了微调，数据集是使用 nlp 库加载的。该模型进行了5个epochs的微调，批量大小为16，学习率为5e-05，最大序列长度为256。由于这是一个分类任务，模型使用交叉熵损失函数进行训练。模型在这个任务中取得的最佳得分是0.9699473684210527，该得分是通过在第4个epoch之后在评估集上计算得到的准确率。

更多信息，请查看 TextAttack on Github 。